当前PPML中，现有方法假设数据集是经过预处理和干净的，缺乏模型训练过程中数据的预处理过程。本文使用MPC作为解决隐私保护问题的方案，使用基尼杂质系数作为特征选择的度量来进行数据预处理中特征选择的相关工作。Li, X. , R. Dowsley , and MD Cock. "Privacy-Preserving Feature Selection with Secure Multiparty Computation.", 10.48550/arXiv.2102.03517. 2021.
本文的优点1对于数值型属性，采用平均数代替最佳相邻中间值，避免了寻找最佳相邻中间值过程中需要的多次基尼杂质系数计算和排序。2使用矩阵乘法而不是控制流逻辑进行条件赋值，避免各方操作随输入的实际值变化，避免侧信道攻击。
本文的问题1最佳相邻中间值的代替可以考虑更多的常用统计参数，不仅仅是平均值。2没有对恶意模型进行考虑。3秘密分享方案不能扩展到足够多的参与方。
2023年2月3日
标签：Privacy,Selection,21,Multiparty,Preserving,Computation,Secure From： https://www.cnblogs.com/FBprivacy/p/17088918.html